算法（2）---算法复杂度理论
作者：互联网
算法复杂度：分为时间复杂度和空间复杂度，一个好的算法应该具体执行时间短，所需空间少的特点。
结论： 复杂度与时间效率的关系
C < log2n < n < n*log2n < n2 < n3 < 2n < 3n < n! （c是一个常量,n是一个变量且比c大）
|-----------------|--------|-------------|
较好 一般 较差
下面举例说明。
一、概述
1、常量阶O(1)
O(1) 常量级复杂度，我们平时在分析时，只要代码不存在循环、递归语句，代码再多，也可以算是O(1)复杂度。
2、对数阶O(logn)
O(logn) 对数阶复杂度，比如下面这样的代码：
int i = 1;
while(i <= n){
i = i*2;
}
它的执行次数是2x=n中的x,如果n=8,那么x=3,代表只执行3次。如果n=9,同样也执行3次。
上面说过分析复杂度时常数可以去掉不算，推导下来还是会算回以2为底时一样的复杂度，因此，我们可以将对数的底忽略掉，统一用O(logn)表示。
二分查找 就是O(logn)的算法，每找一次排除一半的可能，256个数据中查找只要找8次就可以找到目标。
3、线性阶O(n)
O(n)：代表数据量增大几倍，耗时也增大几倍。比如常见的for循环遍历算法。
4、线性对数阶 n*log2n
n*log2n 线性对数阶,比如下面这样的代码
int num1,num2;
for(int i=0; i<n; i++){
num1 += 1;
for(int j=1; j<=n; j*=2）{
num2 += num1;
}
}
第一个for循环为O(n),第二个for循环为O(logn)，那么它们一相乘就是nlogn。
5、N次方台阶O(n^N)
O(n^N) N次方台阶在我们实际开发也会经常遇到，比如两个for循环：
int num1,num2;
for(int i=0; i<n; i++){
num1 += 1;
for(int j=1; j<=n; j++）{
num2 += num1;
}
}
那么它的复杂度就为O(n2)，常量都用变量来代替，也就是O(nN)。
6、指数阶O(2^n)
O(2^n) 指数阶，在什么情况会用到呢，比较常用的有求子集。比如{a,b} 的子集有{空},{a},{b},{a,b} 共4个。如果求{a,b,c}那么子集有{空},{a},{b},{c},{a,b},{a,c},{b,c},{a,b,c}共8个。
所以求子集复杂度为：O(2^n)。
7、阶乘阶O(n!)
这个意思懂，不过还没想到什么情况会是O(n!)。
总结
标签：int,复杂度,log2n,---,算法,logn,对数 来源： https://www.cnblogs.com/hanease/p/15927044.html